Gyllene snittet och geometriförståelse på gymnasiet
Notice bibliographique
Résumé
Abstrakt\nExamensarbete i matematik för lärare,\nTitel: Gyllene snittet och geometriförståelse på gymnasiet.\nFörfattare: Simon Larsson\nTermin och år: VT 2015\nKursansvarig institution: Matematiska Vetenskaper\nHandledare: Jonny Lindström\nExaminator: Laura Fainsilber\nRapportnummer:\nNyckelord: Matematik, geometri, gyllene snittet, matematiska begrepp, Van Hiele-nivåer,\nförståelse, inlärning.\nSyftet med mitt arbete är att utreda vad det gyllene snittet innebär, samtidigt som detta\nförhoppningsvis ger mig en grund för att senare i arbetslivet kunna använda mig av denna\nkunskap för att konstruera matematikuppgifter som dels innefattar den mystik som finns kring\ngyllene snittet, men även ta ut eleverna mer i verkligheten och genom gyllene snittet visa hur\nmatematik dyker upp på oväntade platser omkring oss där deras förmåga att analysera\ngeometri blir bättre. Speciellt som både matematik- och naturkunskapslärare är det av intresse\nför mig, då naturen är en vanlig plats där detta snitt dyker upp.\nDen andra delen av uppgiften går dels ut på att undersöka hur elever i gymnasiet, årskurs två\ntolkar och utför geometri men även hur lärare utför och förhåller sig till\ngeometriundervisningen. Uppgiften som eleverna löste var i grupper av tre, där jag spelade in\nelevernas samtal för att sedan kunna analysera dem. Jag kommer med hjälp av Van Hielenivåer\nförsöka kategorisera var deras förståelse ligger samtidigt som jag isolerar vilken nivå\nsom det möjligtvis finns kunskapsbrister på och föreslå vad som kan göras för att åtgärda\ndessa brister.\nDet framkom tydligt hur elevernas förmåga att ta fram tidigare inhämtad kunskap i en\nsituation utan instruktioner var svårt för dem, där brist i deras analytiska förmåga var mest\nframträdande.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,006 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,026 | 0,017 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,012 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,018 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».